随着 ChatGPT 大火之后，新的 AI 技术和模型被证明已经具备的很高的使用价值。

诸如 Copilot、Midjourney、notion 等产品通过 AI 的加持，已经让用户能够充分地在应用层面感受到了便利性。

原本几天的工作通过 AI，可能只需要 1 分钟就能完成。可以大胆的预测，这种革命性的生产力突破将会在更多的领域开花结果。

自从我们上次发布 AI 自动建模之后，织信低代码也继续进行了大胆的尝试。这一次，我们把 AI 做进了项目管理，基于 AI 高效的数据处理能力和智能分析，让项目管理更加智能化。

一、WBS 任务分解

我们发现 AI 的 WBS 分解能力并不亚于人工，AI 可以基于项目情况、成员的技能、经验和工作负载，自动分配任务和分工，从而提高团队的协作效率和工作效率。

我们仅需要在系统中点击【询问 AI】，AI 会自动抓取项目的信息并且基于织信低代码提供的 WBS 编制需求，快速生成一套任务内容。

例如：请基于当前项目信息，生成一套 WBS 任务，并合理进行任务排期。

当然如果不满意，我们还可以持续提供需求让 AI 来进行修改，例如：概念模型制作任务的时间比较长，请帮我把概念模型制作工作任务的执行周期压缩到 2 个月内。

二、知识库自动生成

在大型项目中，知识的共享是非常重要的事情。

但是当下的现状是大量的项目工作知识过往都是停留在各类文档中，遇到问题时需要逐级查找起来比较麻烦。

我们将项目知识和工作任务进行了深度的绑定。开启任务知识匹配功能。

系统将为每一项任务自动匹配对应所需要的知识支持，用户如果遇到问题，可以轻松查阅。

三、实施风险预估

在过去，系统的自动化风险识别，往往只能停留在具体的数值、属性上面。

例如：识别延期任务并标红。

但是当系统增加了 AI 的能力后，可以综合更多的信息要素，并且基于 AI 的经验和人为定义的规则，进行更加综合性的判断。

给出的风险评估也不再是单纯的标识，而可以结合 AI 的知识储备，给出更加科学的风险防范建议。

能更好的帮助项目管理者去降低项目风险隐患。

结语：

以上只是我们利用 AI 技术在项目管理中应用的一小部分示例。

可以看出通过 AI 的加持，在某些场景下，已经能够帮助到项目人员解决很多的重复工作的问题了。

随着未来 AI 相关的模型，拥有更加强大的智能和 API 拓展服务。相信还能够融入到更加复杂的业务场景中去，帮助项目人员优化项目流程，提高工作效率。